آیا آماده‌اید از مصرف‌کننده هوش مصنوعی به توسعه‌دهنده آن تبدیل شوید؟ کتاب «ساخت برنامه‌ها با مدل‌های زبان بزرگ (LLM)» راهنمای عملی شما برای تسلط بر پرکاربردترین فناوری امروز است. از تئوری تا پیاده‌سازی، با این کتاب یاد می‌گیرید چگونه با استفاده از تکنیک‌های حیاتی مانند مهندسی پرامپت پیشرفته، فاین تونیگ (مانند LoRA) و معماری RAG (برای جلوگیری از پاسخ‌های نادرست)، برنامه‌های LLM قدرتمند بسازید. فرقی نمی‌کند توسعه‌دهنده باشید یا دانشمند داده، این منبع جامع شما را برای استقرار موفقیت‌آمیز مدل‌ها در محیط تولید آماده می‌کند. قدرت LLM را در دستان خود بگیرید! برای دانلود این کتاب:ابتدا در سایت متاباران ثبت‌نام کنید.روی دکمه «افزودن به سبد خرید» کلیک کنید و مراحل ثبت سفارش را کامل کنید.پس از ثبت سفارش، فایل کتاب را از قسمت «دانلود فایل‌ها» در پنل کاربری خود دریافت کنید. این فایل برای همیشه در پنل شما باقی می‌ماند و در هر زمان قابل دانلود است.
محصولات مرتبط
کتاب «ساخت برنامه‌ها با مدل‌های زبان بزرگ»
(Building Applications with Large Language Models)
معرفی کتاب
کتاب «ساخت برنامه‌ها با مدل‌های زبان بزرگ» راهنمای جامع شما برای استفاده از قدرت مدل‌های زبان بزرگ (LLMs) نظیر GPT، BERT، Claude و LLaMA در توسعه‌ی کاربردهای دنیای واقعی است. در دنیایی که فناوری هوش مصنوعی مولد (GenAI) با سرعت سرسام‌آوری در حال پیشرفت است، این کتاب به شما کمک می‌کند تا از سردرگمی مفاهیم فنی و معماری پیچیده‌ی مدل‌ها عبور کنید. نویسنده شما را در یک سفر آموزشی، از درک مدل‌های پایه پردازش زبان طبیعی (NLP) تا تسلط بر تکنیک‌های پیچیده‌ای مانند مهندسی پرامپت، فاین تونیگ (Fine-Tuning) و RAG (تولید با بازیابی افزوده) همراهی می‌کند. هدف نهایی، تجهیز شما به دانش و مثال‌های کد مورد نیاز برای ساخت برنامه‌های LLM و به‌کارگیری این فناوری برای مقاصد تجاری است.
از اینکه این کتاب را از متاباران دریافت می‌کنید، سپاسگزاریم.
لطفاً امتیاز خود را ثبت کنید و دیدگاهتان را با ما به اشتراک بگذارید. همچنین اگر کتاب خاصی نیاز دارید، در قسمت دیدگاه‌ها بنویسید.
ویژگی‌های برجسته این کتاب
کتاب «Building Applications with Large Language Models» با رویکردی کاربردی، بر جنبه‌های کلیدی توسعه‌ی کاربردها تمرکز دارد:
- آموزش تکنیک‌های پیشرفته: پوشش جامع و عمیق تکنیک‌های حیاتی مدل‌های زبان بزرگ شامل Fine-Tuning (مانند SFT و PEFT) و متدهای کارآمد مانند LoRA و QLoRA.
- تسلط بر مهندسی پرامپت (Prompt Engineering): ارائه انواع استراتژی‌های پرامپت‌نویسی از Zero-Shot و Few-Shot تا Chain-of-Thought (CoT) و Tree-of-Thought (ToT) برای به حداکثر رساندن خروجی مدل‌ها.
- مقابله با توهم (Hallucination) با RAG: آموزش کامل روش Retrieval Augmented Generation (RAG) شامل مراحل Chunking، Embeddings و Vector Search که برای کاهش پاسخ‌های نادرست مدل و اتصال به منابع دانش اختصاصی ضروری است.
- معرفی فریم‌ورک‌های توسعه: آشنایی با فریم‌ورک‌های ضروری توسعه مانند LangChain و معرفی اجزای کلیدی آن برای ساده‌سازی ساخت برنامه‌های LLM.
- آمادگی برای تولید و عملیات (LLMOps): پرداختن به چالش‌های پیاده‌سازی مدل‌ها در مقیاس تولید، از جمله ملاحظات MLOps/LLMOps، امنیت، حریم خصوصی، و کاهش زمان تأخیر (Latency).
- بررسی ابعاد اخلاقی هوش مصنوعی: اختصاص یک فصل کامل به بررسی ملاحظات اخلاقی و اجتماعی هوش مصنوعی، از جمله مدیریت سوگیری و تعصب (Bias)، حملات امنیتی، و مسائل کپی‌رایت.
مشخصات کتاب
| مشخصه | جزئیات |
| موضوع کتاب | مدل‌های زبان بزرگ (LLMs)، هوش مصنوعی مولد (GenAI)، توسعه برنامه‌های کاربردی هوش مصنوعی |
| عنوان | Building Applications with Large Language Models: Techniques, Implementation, and Applications |
| نویسنده | Bhawna Singh (بهاونا سینگ) |
| ناشر | Apress® |
| دسته بندی | هوش مصنوعی و یادگیری ماشین (Artificial Intelligence & Machine Learning) |
| سطح مطالعه | مقدماتی تا متوسط (مناسب برای دانشجویان و متخصصین داده در حال انتقال به حوزه NLP) |
| سال انتشار | ۲۰۲۴ |
| فرمت فایل | PDF (مطابق درخواست کاربر) |
| زبان | انگلیسی |
| تعداد صفحات | ۲۸۹ صفحه |
| حجم فایل | 16 مگابایت |
این کتاب مناسب چه کسانی است؟
این کتاب برای مخاطبان زیر ایده‌آل است:
- دانشجویان و محققین: افرادی که در حال یادگیری فناوری‌های جدید هوش مصنوعی هستند و می‌خواهند مفاهیم خود را در حوزه LLMs و NLP تقویت کنند.
- دانشمندان داده (Data Scientists): متخصصانی که در حال انتقال به حوزه‌ی پردازش زبان طبیعی هستند و به دنبال تکنیک‌های عملی و کدنویسی برای توسعه‌ی مدل‌ها می‌باشند.
- توسعه‌دهندگان (Developers) و مهندسان نرم‌افزار: افرادی که قصد دارند از مدل‌های زبان بزرگ برای ساخت برنامه‌های کاربردی نوآورانه و استقرار آن‌ها در مقیاس عملیاتی استفاده کنند.
- مدیران محصول و تکنولوژی: افرادی که می‌خواهند از پتانسیل LLMs برای حل مشکلات کسب‌وکار و طراحی استراتژی‌های مبتنی بر هوش مصنوعی بهره ببرند.
خلاصه‌ی کتاب
این کتاب ۱۰ فصل دارد و یک مسیر یادگیری ساختاریافته را دنبال می‌کند:
- مقدمات LLM و مدل‌های پایه: فصول ابتدایی به معرفی عمیق پردازش زبان طبیعی (NLP)، تاریخچه‌ی مدل‌های زبان بزرگ، و درک معماری پیشگامانه‌ای مانند ترانسفورمر می‌پردازد.
- تکنیک‌های تطبیق مدل: فصل ۳ بر روی چگونگی تطبیق مدل‌های بنیادین با وظایف خاص از طریق فاین تونیگ (Fine-Tuning) متمرکز است و تکنیک‌های کاهش پارامتر مانند LoRA را برای آموزش کارآمد معرفی می‌کند.
- مهندسی پرامپت و RAG: فصل ۴ به «جادوی مهندسی پرامپت» و اصول طراحی بهترین پرامپت‌ها می‌پردازد. فصل ۵ راهکار نوین RAG (Retrieval Augmented Generation) را به‌عنوان روشی کلیدی برای «جلوگیری از توهم» و افزایش دقت پاسخ‌های مدل‌ها تشریح می‌کند.
- ارزیابی و فریم‌ورک‌های توسعه: فصل ۶ معیارهای مختلف برای ارزیابی عملکرد LLMs را پوشش می‌دهد. فصل ۷ بر معرفی و کاربرد فریم‌ورک‌های توسعه مانند LangChain در ساخت سریع برنامه‌های هوشمند تمرکز دارد.
- عملیاتی‌سازی و ملاحظات اخلاقی: فصول پایانی به چگونگی استقرار مدل‌ها در محیط تولید (LLMOps) و مدیریت مسائل امنیتی و عملکردی اختصاص دارند. همچنین، یک فصل کامل به «معضل اخلاقی» هوش مصنوعی، شامل سوگیری، حریم خصوصی و تأثیرات زیست‌محیطی می‌پردازد.
- آینده هوش مصنوعی: در انتها، کتاب روندهای نوظهور در هوش مصنوعی مولد، مانند چندوجهی بودن (Multimodality) و قابلیت‌های عاملی (Agentic Capabilities) را برای ترسیم مسیر آینده معرفی می‌کند.
📥 نحوه دریافت کتاب:
1-ابتدا در سایت متاباران ثبت‌نام کنید.
2-روی دکمه «افزودن به سبد خرید» کلیک کنید و مراحل ثبت سفارش را کامل کنید.
3-پس از ثبت سفارش، فایل کتاب را از قسمت «دانلود فایل‌ها» در پنل کاربری خود دریافت کنید.
✅ این فایل برای همیشه در پنل شما باقی می‌ماند و در هر زمان قابل دانلود است.
با آرزوی موفقیت!
متاباران، همراه همیشگی شما در مسیر موفقیت
دیدگاه خود را بنویسید